Программные продукты и системы

Статьи из выпуска № 3 за 2018 год.

Упорядочить результаты по: Дате публикации | Заголовку статьи | Авторам

31. Моделирование транспортных потоков в среде AnyLogic [№3 за 2018 год]
Авторы: Шамлицкий Я.И., Охота А.С., Мироненко С.Н.
Просмотров: 10503
В статье предложена методика моделирования транспортных потоков в среде моделирования. Была поставлена цель смоделировать участок дорожной сети г. Красноярска, для достижения которой необходимо решить две задачи: собрать данные по интенсивности транспортного потока на участке и разработать имитационную модель перекрестка. Для их решения выбрана среда моделирования AnyLogic. При проведения эксперимента по моделированию необходимы входные параметры, в данной ситуации – интенсивность прибытия транспортных средств и распределение автомобилей по направлению. Разработанная имитационная модель состоит из элементов дорожной сети, системы генерации агентов модели, блоков логики движения транспортных средств, элементов управления параметрами модели, модуля сбора статистики параметров агентов. В режиме исполнения модели отображается анимация, представляющая собой двухмерный план моделируемой системы с движущимися по ней транспортными средствами. Также есть функционал для переключения между двухмерным и трехмерным планами системы. В статистических данных учитываются время прохождения автомобилем участка дорожной сети, а также общая пропускная способность перекрестка. Методика проведения эксперимента представляет собой предварительную настройку имитационной модели на среднюю пропускную способность перекрестка (обычно этот момент наступает после того, как количество автомобилей, вышедших из модели с помощью компонента Sink, достигнет значения 20 тыс. и более), далее, изменяя время работы светофоров, запускается поочередно имитационная модель. По окончании серии прогонов выполняется расчет разности средних задержек жесткого и адаптивного регулирования, строятся графики, делаются выводы. В результате получается имитационная модель с методикой проведения эксперимента, которая может быть полезна при определении максимальной пропускной способности транспортных пересечений, планировании дорожной инфраструктуры и т.д.

32. Программа расчета настроек регуляторов методом расширенных частотных характеристик [№3 за 2018 год]
Авторы: Марголис Б.И., Мансур Г.А.
Просмотров: 8528
В статье рассмотрена постановка задачи расчета настроек типовых общепромышленных регуляторов в системах автоматического управления технологическими объектами. Показана возможность применения критерия устойчивости Найквиста для расширенных частотных характеристик систем. Сформулирована задача обеспечения необходимого качества переходного процесса в замкнутой системе за счет обеспечения заданной степени колебательности. Получено условие заданной колебательности системы, обеспечивающее нахождение настроек регулятора на линии равного затухания. Рассмотрена расширенная частотная характеристика ПИД-регулятора для случая введения в нее составляющей в виде реального дифференцирующего звена. Получены формулы для нахождения настроек ПИД-регулятора с использованием расширенных частотных характеристик в виде параметрических зависимостей. Приведены соотношения, получающиеся из общих формул для ПИ- и ПД-регуляторов. На основе предложенного метода в среде MatLab разработана программа, позволяющая рассчитать оптимальные настройки регулятора по критерию минимального отклонения времени переходного процесса и перерегулирования от заданных значений. Приведены результаты расчета настроек ПИД-регулятора для контрольного примера и полученные линии равного затухания. Показаны наилучшие по критерию качества переходные процессы для каждой из линий равного затухания и оптимальный процесс, удовлетворяющий требуемым характеристикам качества. Показаны недостатки метода расширенных частотных характеристик в предложенной постановке. Рассмотрены возможности альтернативной постановки задачи синтеза настроек регуляторов и применение предложенных методов для нахождения настроек регуляторов в многоконтурных системах автоматического управления технологическими объектами.

33. Мультиагентное моделирование процессов распространения массовых эпидемий с использованием суперкомпьютеров [№3 за 2018 год]
Автор: Лапшина С.Ю.
Просмотров: 5862
В статье рассматривается возможность использования современных суперкомпьютеров при решении ресурсоемких задач мультиагентного моделирования процессов распространения массовых эпидемий на основе теории роста перколяционных кластеров. Мультиагентная перколяционная модель в задачах определения карантинных зон при распространении эпидемий предполагает формирование решетки взаимодействия представителей популяции, моделирование среды распространения заболевания, сбор информации о численности населения, реализацию параллельного алгоритма многократной маркировки перколяционных кластеров с механизмом линковки меток, визуализацию полученных результатов. Описываются усовершенствованный для применения на многопроцессорной системе вариант алгоритма многократной маркировки перколяционных кластеров Хошена–Копельмана, а также действующий прототип его реализации, разработанный в МСЦ РАН. Данный алгоритм может быть использован в любой области в качестве инструмента дифференцирования кластеров решетки большого размера, так как ему на вход подаются данные в не зависимом от приложения формате. Демонстрируется возможность выявления зависимостей латентных периодов распространения эпидемий от вероятности инфицирования агрегатов популяционных представителей и формирования пороговых значений перехода локальных эпидемий в крупномасштабные пандемии. Задав латентный период, вероятность инфицирования и очаг заражения, можно определить круг городов, где можно ожидать инфицирование. Эта информация используется для определения радиуса карантинной зоны. Если в некотором городе обнаружен очаг заболевания и латентный период уже закончился, то с помощью данного инструмента определяется зона, которую нужно изолировать от внешнего мира. В работе приводятся оценки времени выполнения алгоритма многократной маркировки перколяционных кластеров Хошена–Копельмана при различных значениях входных параметров на двух высокопроизводительных вычислительных системах, установленных в МСЦ РАН, – МВС-100К и МВС-10П.

◄ ← Предыдущая | 1 | 2 | 3 | 4